direct mujoco rendererGPT-5.5
Codex- Held-out 分数
- 989.6
- Checkpoint
- #006
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 221.1.
MuJoCo · Core16
Ant
包含八维连续动作的多足运动任务。
历史研究记录
这些证据属于论文时期实验，并不表示相关 package 当前仍然可用。
最终 Policy 证据
每张卡片都在原研究 Environment 中重跑 validation 选出的 checkpoint。
direct mujoco renderer#2
direct mujoco rendererClaude Opus 4.7
Claude Code- Held-out 分数
- 990.1
- Checkpoint
- #002
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 204.6.
direct mujoco rendererMiniMax-M3
Claude Code- Held-out 分数
- 983.4
- Checkpoint
- #007
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 215.7.
direct mujoco rendererDeepSeek-V4-Pro
Claude Code- Held-out 分数
- 898.0
- Checkpoint
- #019
- 重跑
- 220 steps
Validation-selected checkpoint rerun in the original environment; case return 192.5.
报告分数
在该 Environment 内分数越高越好；不同任务的原始 reward scale 不可比较。
01Claude Opus 4.7Claude Code
990.102GPT-5.5Codex
989.603MiniMax-M3Claude Code
983.404DeepSeek-V4-ProClaude Code
898.005Random policyUniform
-34.60